La mayoría de los videos de IA fallan por las mismas razones aburridas. El sujeto cambia de forma a mitad del clip. La cámara hace algo que nadie pidió. El producto cambia de color entre los segundos dos y cuatro. El resultado es técnicamente “un video” y, en la práctica, inutilizable.
Tras revisar decenas de miles de prompts reales de video con IA —los que produjeron clips que la gente realmente publicó y los que generaron basura que la gente borró— emerge un patrón. Los prompts excelentes no son más largos ni más poéticos. Son más estructurados. Le dicen al modelo qué cambia, cómo se comporta la cámara, qué debe mantenerse fijo y qué te niegas a aceptar.
Este es el complemento práctico de nuestro informe de datos sobre lo que revelan 40,000 prompts de video con IA acerca de lo que la gente crea. Aquel post cubre el qué generan los creadores. Este cubre cómo lo escriben bien. Cinco patrones, cada uno con una versión débil, una fuerte y por qué la diferencia importa.
Conclusiones clave
- Empieza con sujeto + acción + un cambio claro en el tiempo: las descripciones estáticas producen clips estáticos y sin vida.
- Especifica la cámara como si dirigieras a un director de fotografía: tamaño de plano, lente y un movimiento deliberado.
- Bloquea los tokens de continuidad (rostro, producto, color, logo) para que sobrevivan todo el clip en lugar de derivar.
- Ajusta el plano y el ritmo a la plataforma y duración antes de generar, no después.
- Restringe con negativos y una especificación de salida clara para que el modelo sepa qué evitar, no solo qué intentar.
Patrón 1: Empieza con sujeto, acción y cambio en el tiempo
El video es movimiento. La diferencia más grande entre prompts que producen metraje vivo y prompts que producen un lento zoom sobre una fotografía es si describiste algo que sucede.
Los prompts débiles describen una escena. Los fuertes describen una escena que cambia.
Débil: A coffee cup on a wooden table in a cafe.
Fuerte: A steaming coffee cup on a wooden cafe table; steam curls upward and drifts left as morning light slowly brightens across the surface over 5 seconds.
La versión débil le da al modelo una imagen fija y lo obliga a inventar movimiento —usualmente un empuje perezoso o un temblor ambiental—. La fuerte nombra el sujeto (taza de café), la acción (el vapor se enrosca y deriva) y el cambio en el tiempo (la luz que se intensifica a lo largo del clip). El modelo ahora tiene un estado inicial y uno final entre los que interpolar, que es exactamente para lo que está construido un modelo de video.
La corrección es mecánica. Para cada prompt, pregúntate: ¿qué es lo único que será diferente al final de este clip respecto al inicio? Si no puedes responder, obtendrás una postal en movimiento. Incorpora ese cambio en la frase. Incluso uno pequeño —un giro de cabeza, una puerta que se abre, niebla que entra— le da al modelo un trabajo a realizar a lo largo de la línea de tiempo.
Patrón 2: Dirige la cámara como un cinematógrafo
Si no especificas la cámara, el modelo elegirá una por ti —y elegirá mal, predeterminando un dolly-in genérico o un vaivén tembloroso en mano que grita “IA”—. Los mejores prompts tratan la cámara como una elección creativa deliberada, no como un añadido.
Necesitas tres cosas: tamaño de plano (general, medio, primer plano), lente o carácter de encuadre (35mm, gran angular, poca profundidad de campo) y un movimiento (empuje lento, órbita, fijo con trípode). Un solo movimiento. No tres.
Débil: A car driving down a coastal road, cinematic.
Fuerte: Wide tracking shot of a vintage convertible on a coastal highway, shot on a 35mm lens with shallow depth of field, camera tracks alongside the car at matching speed, golden hour.
“Cinematic” es un deseo, no una instrucción. La versión fuerte le dice al modelo el encuadre (traveling amplio), el carácter óptico (35mm, poca profundidad de campo) y un único movimiento coherente (seguir en paralelo al auto a la misma velocidad). Esa coherencia es lo que se percibe profesional. Instrucciones de cámara en conflicto —“orbitar mientras hace zoom y panea”— son donde los modelos se desmoronan y producen ese look inestable y acuoso.
Si eres nuevo pensando en términos de cámara, nuestra guía sobre cómo escribir prompts para video con IA desglosa el vocabulario. Atajo: imagina que entregas una instrucción de una línea a un operador que hará exactamente lo que digas y nada más. Sé así de específico.
Patrón 3: Bloquea tus tokens de continuidad
Este es el patrón que separa a aficionados de quienes producen metraje usable. Los modelos de video con IA derivan. En unos segundos, un rostro se vuelve a renderizar sutilmente en otra persona, un logo rojo vira a naranja, un producto gana un botón que no tenía. Los tokens de continuidad son frases específicas y repetibles que utilizas para fijar esos elementos.
Un token de continuidad es una descripción breve y distintiva a la que te comprometes y reutilizas al pie de la letra —para la identidad del sujeto, el producto, la paleta de color y cualquier marca—.
Débil: A woman in a red jacket walks through a city, then we see her closer up.
Fuerte: A woman with shoulder-length curly black hair and a bright crimson leather jacket walks through a neon-lit city; same crimson jacket and same hairstyle held consistent throughout the clip.
“Una mujer con chaqueta roja” es una invitación a que el modelo la reinvente. “Cabello negro rizado hasta los hombros y una chaqueta de cuero carmesí brillante”, repetido y marcado explícitamente como consistente, le da al modelo un ancla. Cuando generes múltiples clips para un proyecto, copia esos tokens exactos en cada prompt —nunca los parafrasees—. Parafrasear es cómo la personaje en la toma tres deja de parecerse a la de la toma uno.
Para trabajo de marca esto no es negociable. Bloquea el nombre exacto de color equivalente a hex, la ubicación del logo y el rasgo definitorio del producto en cada prompt. Si tu plataforma admite una referencia de imagen o text-to-video con un fotograma inicial, úsalo, pero respáldalo con tokens de texto bloqueados, porque la descripción es lo que transporta la identidad a través del movimiento, no solo hacia el primer fotograma.
Patrón 4: Ajusta la toma a la plataforma y la duración
Un prompt excelente para un héroe de 12 segundos en YouTube es erróneo para un gancho de 4 segundos en TikTok, y la diferencia no es solo el aspecto. Los mejores prompts se diseñan en retroceso desde dónde vivirá el video.
Tres decisiones se toman antes de escribir una palabra: relación de aspecto (9:16 vertical para feeds, 16:9 para YouTube y landing pages), duración (y por ende cuánto puede realmente pasar) y ritmo (un solo beat calmo para un loop corto, un arco claro para un clip más largo).
Débil: An energetic montage of a fitness product with lots of quick cuts and text, for social media.
Fuerte: 9:16 vertical, single continuous 5-second shot: a runner laces up bright orange sneakers and pushes off frame-left into a sprint, fast-paced, punchy, designed as a TikTok hook with the action landing in the first 2 seconds.
Pedir “muchos cortes rápidos” dentro de una sola generación corta es pedir un desastre: la mayoría de los modelos producen una toma continua por generación, así que la solicitud va contra la herramienta. La versión fuerte respeta el formato: vertical, una toma, una acción diseñada para impactar en los primeros dos segundos donde la plataforma lo exige. A menudo obtendrás un mejor resultado generando varias tomas limpias a esta especificación y editándolas juntas que intentando comprimir un montaje en un solo prompt.
La duración también determina cuánta transformación puedes pedir. En cuatro segundos, aterriza una acción clara. En doce, puedes plantear un pequeño arco. Pedir una historia en tres actos en cuatro segundos solo emborrona todo.
Patrón 5: Restringe con negativos y una especificación de salida clara
El patrón final es el que casi nadie usa, y por eso mismo es una ventaja. Decirle al modelo lo que no quieres suele ser más potente que apilar más de lo que sí quieres. Combínalo con una especificación de salida explícita y dejarás de fiar al azar las decisiones poco glamorosas.
Dos movimientos: negativos (los artefactos y clichés que rechazas —manos deformadas, texto ilegible, extremidades extra, parpadeos, el zoom lento no deseado—) y una especificación de salida (sensación de frame rate, iluminación, mood y relación de aspecto declaradas con claridad al final).
Débil: A chef plating a dish in a restaurant kitchen.
Fuerte: A chef precisely plating a dish in a warm restaurant kitchen; medium shot, soft key light from the left, calm and deliberate pacing, 16:9. Avoid: distorted hands, extra fingers, floating utensils, on-screen text, fast camera movement.
La lista de negativos hace trabajo real. Las manos son donde los modelos de video se exponen, así que nombrar “manos distorsionadas, dedos extra” indica al modelo que dedique esfuerzo ahí. “Evitar texto en pantalla” elimina las letras sin sentido que los modelos adoran alucinar. Y cerrar con la especificación de salida —tamaño de plano, dirección de luz, ritmo, relación de aspecto— significa que no esperas que el modelo adivine tu intención; la has declarado.
Mantén tu lista de negativos ajustada y relevante. Diez negativos genéricos diluyen la señal. Tres o cuatro que apunten a los puntos de falla probables de este prompt la agudizan. Diferentes modelos tienen puntos débiles distintos, así que conviene saber cuál usas: nuestro mapa de fortalezas de modelos de IA detalla dónde destaca cada modelo y dónde tiende a romperse.
Cómo combinar los cinco en un solo prompt
Estos patrones no son un menú: los mejores prompts apilan los cinco. Este es el orden en que encajan de forma natural:
- Sujeto + acción + cambio (“una chef sirve un plato; el vapor se eleva mientras coloca el adorno final”)
- Cámara (“plano medio, 50mm, empuje lento”)
- Tokens de continuidad (“la misma chef con chaqueta blanca cruzada en todo el clip”)
- Especificación de plataforma + duración (“16:9, 8 segundos, ritmo calmado”)
- Negativos + salida (“luz principal cálida desde la izquierda. Evitar: manos distorsionadas, texto en pantalla”)
Leído de arriba a abajo, es una instrucción coherente que un modelo puede ejecutar con confianza. Cada cláusula responde una pregunta que el modelo, de otro modo, respondería por sí mismo —y “por sí mismo” es de donde salen los malos videos de IA—.
No tienes que empezar desde cero cada vez. Una biblioteca de plantillas de prompts copiables te da esqueletos probados para tipos de toma comunes; insertas tu sujeto y tokens y ya estás aplicando los cinco patrones sin pensarlo.
Tu próximo paso
Elige un prompt que hayas escrito y que produjo un clip decepcionante. Pásalo por los cinco patrones: ¿nombra un cambio en el tiempo? ¿Dirige un movimiento de cámara claro? ¿Tus tokens de continuidad están bloqueados y repetidos? ¿Está especificado para una plataforma y duración reales? ¿Le dice al modelo qué evitar?
Corrige las dos respuestas más débiles y regenera. Ese único pase de edición suele ser la diferencia entre un clip que borras y un clip que publicas.
Cuando estés listo para poner los patrones en práctica, abre text-to-video en la app y escribe tu primer prompt de forma estructurada: sujeto, cámara, tokens, especificación, negativos. Y si quieres los datos detrás de lo que realmente funciona a escala, lee el análisis complementario de lo que revelan 40,000 prompts de video con IA. Oficio más evidencia es cómo dejas de adivinar y empiezas a dirigir.